基于數據挖掘的智慧農業(yè)生產系統(tǒng)的研究.pdf

1、隨著信息技術的高速發(fā)展，農業(yè)信息網站雖可以提供信息瀏覽、查詢、數據下載功能，但并不能對數據進行動態(tài)的分析、預測，已有的數據挖掘工具雖然功能強大，但是專業(yè)性太強，對普通農業(yè)人員來說并不適用。本文針對目前農業(yè)系統(tǒng)存在的問題，構建了基于數據挖掘的智慧農業(yè)生產系統(tǒng)，以數據挖掘算法為研究核心，實現(xiàn)了地力等級分析和產量預測等功能，并且挖掘過程在系統(tǒng)內部進行，用戶只需簡單操作即可實現(xiàn)對數據的動態(tài)分析。本文主要研究內容如下：
　?。?）通過對國內

2、外相關現(xiàn)狀的研究，分析并總結了我國在農業(yè)系統(tǒng)中應用數據挖掘技術時存在的問題，確定了論文研究的主要內容，并對系統(tǒng)相關技術及理論進行了介紹，為系統(tǒng)的實現(xiàn)提供了保障。
　?。?）針對農業(yè)系統(tǒng)地力等級數據的特點，分析了決策樹相關算法的優(yōu)劣，選取C4.5算法構建分類模型，同時針對C4.5算法存在的問題，提出了改進的K-C4.5p算法，用K-means聚類算法首先將連續(xù)屬性離散化以解決C4.5算法在處理連續(xù)屬性時的低效率，再用 Pearson

3、相關系數代替信息增益率進行分割屬性的選擇以解決過擬合問題并提高分類準確率，通過實驗證明，K-C4.5p算法在時間和準確率上都有了大幅提升。
　　（3）針對農業(yè)系統(tǒng)產量數據的特點，分析了多元回歸算法原理，并針對多元回歸算法存在的問題，提出了改進的殘差主成分回歸算法，在對原始影響因子提取m個主成分后，將一次回歸后的殘差作為第m+1個主成分并再次回歸建模。通過實驗證明，殘差主成分回歸模型與傳統(tǒng)的多元回歸模型相比，復雜度低且準確率較高，因